利用全连接网络将图片进行分类

实例描述：

构建一个简单的多层神经网络，以拟合MNIST样本完成分类任务。

1.定义网络参数

在输入和输出之间使用两个隐藏层，每个层各256个节点，学习率使用0.001。

import  tensorflow as tf
import numpy as np
from tensorflow.examples.tutorials.mnist import  input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot = True)

learning_rate = 0.001
training_epochs = 25
batch_size = 100
display_step = 1

#设置网络模型参数
n_hidden_1 = 256 #第一个隐藏层节点个数
n_hidden_2 = 256 #第二个隐藏层节点个数
n_input = 784    #MNIST 共784（28*28）维
n_classes = 10   #MNIST 共10根类别（0-9）

2.定义网络结构

multilayer_perceptron函数为封装好的网络模型函数，第一层与第二层均使用Relu激活函数，loss使用softmax交叉熵。具体代码如下：

#定义占位符
x = tf.placeholder("float", [None, n_input])
y = tf.placeholder("float